opencv c++ Harris角点检测、shi-tomasi角点

lucust

已于 2022-12-08 11:54:22 修改

阅读量1.8k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： opencv c++ 文章标签： opencv 计算机视觉人工智能

于 2022-12-07 20:26:21 首次发布

本文链接：https://blog.youkuaiyun.com/lucust/article/details/128225779

opencv c++ 专栏收录该内容

46 篇文章

订阅专栏

本文介绍角点检测原理，包括角点定义及确定方法，并通过shi-tomasi角点检测法和OpenCV的harris角点检测API进行说明，提供代码实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

应用：连续的图像移动或图像拼接场景中，确定图像中某一对象的位置。

1、角点检测原理

1.1、角点定义

在x方向和y方向都有最大梯度变化的像素点，衡量这个变化的计算式如下，为xx，xy，yx，yy四个方向的梯度sum值组成的2×2矩阵：

1.2、角点确定

a）在实际过程中，会在计算梯度时，乘以一个对应位置的权重 w(x, y)，u，v为沿着对应方向移动的距离。

b）在经过转换后得到新的E(u, v)式子：

其中：

k = 0.04~0.6

c）最后解出矩阵特征值 $\lambda _{1}$ 和 $\lambda _{2}$ ，再根据下图和获取的 $\lambda _{1}$ 和 $\lambda _{2}$ 来判断出该像素点是否为角点。

shi-tomasi角点检测：求min( $\lambda _{1}$ , $\lambda _{2}$ ) 所处区域，从而确定角点。

2、API

harris角点检测：

void cv::cornerHarris	(	InputArray 	src,
                            OutputArray 	dst,
                            int 	blockSize,
                            int 	ksize,
                            double 	k,
                            int 	borderType = BORDER_DEFAULT 
                            )

blockSize ——计算角点时，覆盖像素点的窗口大小，即上文中的u、v值
ksize——Sobel算子应用的卷积核大小
k ——Harris detector free parameter. See the formula below.

3、代码

void QuickDemo::harris(Mat& image)
{
	//灰度图
	Mat gray;
	cvtColor(image, gray, COLOR_BGR2GRAY);

	//harris检测
	Mat dst;
	cornerHarris(gray, dst, 2, 3, 0.04);

	//归一化
	Mat dst_norm = Mat::zeros(dst.size(), dst.type());
	normalize(dst, dst_norm, 0, 255, NORM_MINMAX, -1, Mat());
	//绝对值化
	convertScaleAbs(dst_norm, dst_norm);
	//绘制角点
	RNG rng(12345);
	for (int row = 0; row < image.rows; ++row) {
		for (int col = 0; col < image.cols; ++col) {
			int rsp = dst_norm.at<uchar>(row, col);//取出对应像素坐标的检测值
			//限制
			if (rsp > 150) {
				int b = rng.uniform(0, 255);
				int g = rng.uniform(0, 255);
				int r = rng.uniform(0, 255);
				circle(image, Point(col, row), 3, Scalar(b, g, r), 1, 8);
			}
		}
	}
	namedWindow("result", WINDOW_FREERATIO);
	imshow("result", image);
}